Varme
Vand
Datapålidelighed
Datasikkerhed

Værdien af data

En vellykket optimering starter med de rigtige og pålidelige data

Meter data analytics

Jo mere data du har, jo mere værdi kan du skabe

Målerdata er viden. Uden detaljeret information om netværkets egentlige tilstand kan varmeforsyninger ikke vide, hvilke justeringer det giver bedst mening at foretage, og hvilken effekt de vil have på driften og leverancen til slutbrugerne. Kort sagt, du kan ikke optimere det, du ikke måler. I takt med at frekvensen af data stiger, øges dine muligheder for at optimere og skabe merværdi.
Meter data analytics

9 eksempler på databaseret optimering

Korrekt og præcis afregning

Hyppige data sikrer et altid opdateret og korrekt faktureringsgrundlag, og de gør det muligt for forsyningsværkerne at have fuld kontrol over deres indtægt. Du bliver blandt andet i stand til nøje at følge slutbrugernes forbrug for at se, om det udvikler sig som forventet. På den måde kan snyd og andre uregelmæssigheder opdages tidligere. Derudover muliggør hyppige data løbende overvågning af målerne, hvilket sikrer, at du hurtigt kan opfange og rette op på fejl som f.eks. en ødelagt temperatursensor.

Forbedret kundeservice

Intelligent måling fremmer en mere proaktiv dialog med slutbrugerne, fordi forsyningsværkerne kan hjælpe dem med at forstå konsekvenserne af deres energiadfærd og give databaseret vejledning om individuel energioptimering. Det er et grundlæggende element i at bevare fjernvarmens position som et attraktivt og konkurrencedygtigt produkt.

Identificering af defekte eller forkert indstillede varmeinstallationer

Hyppige data gør dig i stand til at identificere forbedringsmuligheder og for proaktivt at kontakte relevante slutbrugere og hjælpe dem med at optimere deres varmeinstallation. Det anslås, at 75% af alle varmeinstallationer kan forbedres i forhold til deres effektivitet, og at problemerne kan identificeres med timebaserede værdier fra intelligente målere.

Gadd, H. (2014). To analyse measurements is to know!

Overvågning af temperaturniveauer i distributionsnetværket

Temperaturerne i distributionsnetværket skal sænkes for at forbedre energieffektiviteten og skabe de rette omstændigheder for integrationen af f.eks. solvarme og varmepumper i netværket. Hyppige data forsyner dig med opdateret, online information om de reelle temperaturer i netværket, hvilket danner grundlaget for at fastsætte den lavest mulige fremløbstemperatur for stadig at kunne levere en tilfredsstillende service til dine slutbrugere. Det er især vigtigt i lavtemperaturfjernvarmenetværk, hvor det ofte handler om at justere få grader afhængig af sæsonen. Du vil desuden være i stand til hurtigt at identificere, kontakte og vejlede slutbrugere, som forårsager en for høj returtemperatur.

Lækageovervågning

Nogle energimålere kan måle både fremløb og returløb. Det gør forsyningsværker i stand til at identificere de bygninger, hvor behandlet vand fra distributionsnetværket går tabt i bygninger og understationer. Overvågning og begrænsning af antallet af lækager sparer dig for omkostningerne forbundet med at tilføre og opvarme nyt, behandlet vand til systemet og gør det samtidigt muligt for dig at opdage installationer, hvor vand trænger ind i fjernvarmesystemet og skaber problemer med vandkvaliteten.

Identificering af varme- og vandtab

Ved at kombinere hyppige data fra slutbrugeren med information fra strategiske steder i distributionsnetværket kan forsyningsværker identificere forskellen mellem den energi, der tilføres de individuelle netværkszoner og den varme, der rent faktisk forbruges i bygningerne. Det gør dig i stand til konstant at overvåge varmetabet og hurtigt opdage negative eller positive tendenser. I strategisk vigtige områder af netværket kan energimålerne suppleres med andre målinger – for eksempel af trykket – for at du kan få mere detaljerede oplysninger fra netværket.

Forbedret slutbrugerinvolvering

Med mere hyppige data kan forsyningsværker tilbyde slutbrugerne ekstra services som for eksempel online energistyringstjenester, eller måske endda tilbyde at styre slutbrugerens varmeinstallation på den mest energieffektive måde. Målerdata i realtid åbner derudover op for muligheden for at introducere nye tarifmodeller, der understøtter en mere energieffektiv varmeforsyning. Modellerne kunne måske baseres på slutbrugerens fleksibilitet i stedet for på deres samlede energiforbrug. Det ville gøre det muligt at bruge mere varme, når der er overskudsvarme i netværket, og benytte sig af termisk lagring i spidsbelastningsperioderne.

Modellering af bygninger

At være i stand til at forudsige, hvordan bygninger vil opføre sig under forskellige omstændigheder, bliver et vigtigt redskab i forbindelse med produktionsplanlægning, brug af bygninger til termisk lagring og evaluering af behovet for renovering. Modellering af bygninger kan bruges til energimærkning og til at komme med forbedringsforslag ud fra deres termiske profiler. Med viden om at en bygning præsterer dårligt, hver gang det blæser koldt fra vest, eller at det vil kunne betale sig at udskifte vinduerne, så de kan optage mere solenergi, ville du kunne tage de nødvendige skridt for at forbedre deres energieffektivitet.

Reducering af spidsbelastninger

For at forblive konkurrencedygtig og køre en optimal produktion, er forsyningsværker som regel interesserede i at reducere spidsbelastninger. Intelligente målere kan anvendes i forbindelse med effektbegrænsning af en varmeinstallation og dermed tvinge slutbrugeren til at forme deres spidsbelastningsefterspørgsel. Det kan skabe de rette forhold for at koble flere og flere bygninger på det eksisterende fjernvarmesystem, hvilket er et centralt emne i den nye EU-fremtid, hvor der satses på mere fjernvarme. Løsningen er ikke altid bare at forny alle rørene i jorden for at øge kapaciteten, da dette samtidigt kan gøre fjernvarme dyrere og dermed mindre attraktivt.

Lad os få gang i samtalen

Hvad kan vi gøre for dig i dag?

Jeg har brug for

Jeg ønsker at

Jeg vil gerne

1 2 3 4 5 6